概述
最近 GAMES 201 开课了，许多同学对其中 Taichi 编程语言的使用产生了很多疑问。我作为 Taichi 开发者之一，就试着水了一下这篇教程。
性能
众所周知，圆周率是一个常数，约为3.1415926535897，可以用下面这个公式计算：
（对，我故意挑了一个收敛很慢的级数，方便下面进行比较）
写一个Python程序来计算：
import time
def calc_pi():
sum = 0.0
for i in range(66666666):
n = 2 * i + 1
sum += pow(-1.0, i) / n
return sum * 4
t0 = time.time()
print('PI =', calc_pi())
t1 = time.time()
print(f'{t1 - t0:.3} sec')运行结果：
PI = 3.1415926385900446
14.5 sec同样的代码，再试试C语言：
#include <stdio.h>
#include <math.h>
#include <time.h>
double calc_pi(void)
{
int i, n;
double sum = 0.0;
for (i = 0; i < 66666666; i++) {
n = 2 * i + 1;
sum += pow(-1.0, i) / n;
}
return sum * 4;
}
int main(void)
{
clock_t t0, t1;
double pi;
t0 = clock();
printf("PI = %.15lfn", calc_pi());
t1 = clock();
printf("%.3f secn", (double)(t1 - t0) / CLOCKS_PER_SEC);
return 0;
}
运行结果：
PI = 3.141592638590045
1.348 sec可见，解释型的Python语言，性能上比编译型的C语言差了许多，这是很自然的。
生产力
可是很多时候，同学们更喜欢Python，因为它的拥有面向对象，语法更简洁，还有很多现成的工具包可以使用（比如tensorflow，numpy），大大提升了我们的开发效率。
那么有没有办法，能够将写出的Python代码，高性能地运行呢？
答案是有的，Taichi 就是这样一个包，它会帮你把你的自定义函数编译成机器指令码，在CPU或GPU上并行执行，从而既保证了性能，又保证了生产力。
Taichi 可以通过 pip 安装（需要Python 3.6/3.7/3.8 64位)：
pip install taichi还是圆周率的例子，要用 Taichi 编译一个函数，以便高性能执行，只需在前面加一个@ti.kernel的装饰器：
import time
import taichi as ti
@ti.kernel
def calc_pi() -> ti.f32:
sum = 0.0
for i in range(66666666):
n = 2 * i + 1
sum += pow(-1.0, i) / n
return sum * 4
t0 = time.time()
print('PI =', calc_pi())
t1 = time.time()
print(f'{t1 - t0:.3} sec')
运行结果：
[Taichi] mode=release
[Taichi] version 0.6.6, supported archs: [cpu, cuda, opengl], commit 7d76c01c, python 3.8.2
PI = 3.141596794128418
3.62 sec可见虽然性能不如C语言，还是有很大进步的，毕竟需要动态编译。
Taichi 会默认以 CPU 模式运行，如果指定为 GPU 的话，结果会更快：
import time
import taichi as ti
ti.init(arch=ti.gpu) # 添加了这行
@ti.kernel
def calc_pi() -> ti.f32:
sum = 0.0
for i in range(66666666):
n = 2 * i + 1
sum += pow(-1.0, i) / n
return sum * 4
t0 = time.time()
print('PI =', calc_pi())
t1 = time.time()
print(f'{t1 - t0:.3} sec')运行结果：
[Taichi] mode=release
[Taichi] version 0.6.6, supported archs: [cpu, cuda, opengl], commit 7d76c01c, python 3.8.2
PI = 3.1415982246398926
1.56 sec从以上的例子可以看到，通过 Taichi 的使用，我们可以在 Python 代码里写出接近编译型语言的性能。大大提升了 Python 作为胶水语言的运算能力，特别是大规模并行时的运算能力。
代码分析
@ti.kernel
一切以 @ti.kernel 修饰的函数都会被 Taichi 编译。
def calc_pi() -> ti.f32:
Taichi 是静态类型的，因此需要指定函数的返回类型。
for i in range(66666666):
编译器会自动把 for 循环分配到多个线程，并行执行，线程数量取决于你CPU的核数。而用户完全不必担心 for 循环的展开，编译器会处理一切优化问题。
sum += pow(-1.0, i) / n
Taichi 可以保证+=是原子操作，不会出现多线程数据竞争的问题。
sum = 0.0
这里如果是sum = 0的话，就不行，因为 Taichi 是静态类型的，如果 sum 初始为一个 int，则无法保存接下来数据类型是 float 的 pow(-1.0, i) / n 。编译器将会弹出警告来提醒你这一错误。
可见，虽然代码被传递给了 Taichi 编译器来编译，但大体上依然遵循 Python 的语法。
在下一篇文章中，我将继续介绍 Taichi 的更多特性和应用。
鸣谢
最后，十分感谢 @胡渊鸣 同学和他的开发团队为我们带来了 Taichi 这门高性能并行语言！
最后
以上就是生动丝袜为你收集整理的double定义的0要写成0.0吗_手把手教你用 Taichi 做高性能并行运算（0）的全部内容，希望文章能够帮你解决double定义的0要写成0.0吗_手把手教你用 Taichi 做高性能并行运算（0）所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复